Modul kuliah System pendukung keputusan Tujuan Intruksional : Memberikan dasar pengertian tentang pengambilan keputusan dalam organisasi

dan penggunaan sistem berbasis komputer untuk mendukung pengambilan keputusan. Materi: • • • • • • • • Sistem-sistem yang ada dalam Management Support System (MSS). Pengambilan keputusan, penjelasan sistem, pemodelan, dan masalah dukungan (support). Sistem pendukung keputusan. Manajemen data. Pemodelan dan manajemen model. Antarmuka user. Langkah-langkah membangun sistem pendukung keputusan. Sistem pendukung keputusan secara organisasi dan berbagai topik pengembangannya.

Sistem Pendukung Keputusan – Gunandjar,ST

Page 1

BAB I KERANGKA UNTUK PENGEMBANGAN SPK Beberapa penulis mendefinisikan segala system yang dapat memberikan kontribusi terhadap pembuatan keputusan. Faktor yang menyulitkan adalah bahwa orang yang berasal dari latar belakang dan konteks yang berbeda memandang DSS dengan sangat berlainan. Untuk memahami DSS dan potensinya, pendekatan dengan menilik “sifatnya” nya akan lebih mudah. Sifat DSS yang bisa diamati dari hasil kerja Alter, Keen meliputi : 1. Cenderung ditujukan untuk masalah yang belum tertetapkan dan kurang terstruktur yang dihadapi oleh manajer tingkat atas. 2. Berusaha mengkombinasikan penggunaan model atau teknik analitis yang memiliki akses data tradisional dan fungsi pemanggilan data. 3. Difokuskan pada bentuk yang memudahkan untuk digunakan orang-orang nonkomputer dalam mode interaktif 4. Menekankan fleksibilitas dan daya adaptasi guna mengakomodasi perubahan dalam lingkungan dan cara pembuatan keputusan yang dilakukan pemakai.

1.1 Kerangka untuk pemeriksaan keterlibatan manajemen dalam Sistem Pendukung Keputusan Tujuan spesifik SPK : Memberi bantuan kepada para pembuat keputusan manajemen tingkat menengah dan atas. (Mann & Watson), SPK adalah sistem interaktif yang memberi akses yang mudah ke model keputusan dan data kepada para pemakai guna menunjang tugas pembuatan keputusan yang sifatnya semi terstruktur atau tidak terstruktur. Menurut hasil riset, manajer dalam DSS berperan sebagai (4 area) : 1. Pemberi persetujuan dan administrator 2. Pengembang sistem (developer) 3. Operator 4. Pemakai output

Sistem Pendukung Keputusan – Gunandjar,ST

Page 2

Kerangka Kerja Decision Support (DS)
Tipe Keputusan Terstruktur Kontrol Operasional Account receivable order entry Production schedulling, inventory control Selecting a cover for a magazine, buyingsoftw are, approving loans MIS, manageme nt science Tipe Kontrol Kontrol Manajerial Perencanaan strategis Budget analysis, shortterm,forecasting, personnel reports,make or buy credit evaluation,budget preparation,plant layout,project scheduling,reward system design Dukungan yang dibutuhkan MIS,Operational research models,transaction processing

Financial management (investment),werehouse location,distribution system Building newplant, mergers and acquisitions, newproduct planning, compensationplanning, quality assurance planning

Semi terstruktur

DSS

Tak terstruktur

Negotiating, recruiting an executive, buying hardware, lobbying

R & D planning, new technology development, socialresponsibility planning

DSS, ES, networks neural

Dukungan yang diperlukan

Management sciense, DSS, S, EIS

EIS, ES, neural networks

Proses pengambilan keputusan terdiri dari 3 fase proses: intelligence, design, dan choice. • • • Intelligence – pencarian kondisi-kondisi yang dapat menghasilkan keputusan. Design – menemukan, mengembangkan, dan menganalisis materi-materi yang mungkin untuk dikerjakan. Choice – pemilihan dari materi-materi yang tersedia, mana yang akan dikerjakan. Proses-proses yang terjadi pada kerangka kerja DS dibedakan atas: • • Terstruktur, mengacu pada permasalahan rutin dan berulang untuk solusi standar yang ada. Tak terstruktur, adalah “fuzzy”, permasalahan kompleks dimana tak ada solusi serta merta. Masalah yang tak terstruktur adalah tak adanya 3 fase proses yang terstruktur. • Semi terstruktur, terdapat beberapa keputusan terstruktur, tetapi tak semuanya dari fase- fase yang ada. Sistem Pendukung Keputusan – Gunandjar,ST Page 3

Pendekatan Management Science mengadopsi pandangan seorang manajer yang dapat mengikuti proses yang sistematik untuk penyelesaian masalah. Sehingga adalah mungkin untuk menggunakan pendekatan sains pada Managerial Decision Making. Langkahnya adalah: 1. Definisi masalah (keputusan situasi yang berhubungan dengan berbagai masalah atau dengan suatu kesempatan) 2. Klasifikasi masalah ke dalam kategori standar. 3. Membuat model matematika yang menjelaskan masalah secara nyata. 4. Menemukan solusi potensial di model masalah tadi dan mengevaluasinya. 5. Memilih dan merekomendasikan satu solusi dari masalah. Proses ini dipusatkan pada masalah modeling/pemodelan. 1.2 Decission Support System Sistem berbasis komputer yang interaktif, yang membantu pengambil keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang tak terstruktur. DSS mendayagunakan resources individu-individu secara intelek dengan kemampuan komputer untuk meningkatkan kualitas keputusan. Jadi ini merupakan sistem pendukung yang berbasis komputer untuk manajemen pengambilan keputusan yang berhubungan dengan masalah- masalah yang semi terstruktur. Istilah DSS kadang digunakan untuk Menggambarkan sembarang sistem yang terkomputerisasi. DDS digunakan untuk definisi yang lebih sempit, dan digunakan istilah MSS sebagai paying untuk menggambarkan berbagai tipe sistem pendukung. Mengapa menggunakan DSS? • • • • Perusahaan beroperasi pada ekonomi yang tak stabil. Perusahaan dihadapkan pada kompetisi dalam dan luar negeri yang meningkat. Perusahaan menghadapi peningkatan kesulitan dalam hal melacak jumlah operasi-operasi bisnis. Sistem komputer perusahaan tak mendukung peningkatan tujuan perusahaan dalam hal efisiensi, profitabilitas, dan mencari jalan masuk di pasar yang benar-benar menguntungkan. 6 alasan mengapa perusahaan-perusahaan utama memulai DSS dalam skala besar: Sistem Pendukung Keputusan – Gunandjar,ST Page 4

bilangan. sehingga pertemuan ini memakan waktu lama dan keputusan yang dibuat hasilnya sedang-sedang saja. Alasan lain dalam pengembangan DSS adalah perubahan perilaku komputasi enduser. EIS dikembangkan utamanya untuk: • • • • • • • • Menyediakan kebutuhan informasi yang diperlukan oleh pihak Eksekutif. seperti: groupware. Pencapaian pengurangan biaya.3 Group Support Systems (GSS). Dan ini dipenuhi oleh DSS. End-user bukanlah programer.4 Executive Information (atau Support) Systems (EIS atau ESS).ST Page 5 . Menyediakan pelacakan dan kontrol yang tepat waktu dan efektif. collaborative systems. Penyediaan informasi yang tepat waktu. atau grafik. EIS bisa juga digunakan pada berbagai jenis perusahaan dan melayani sejumlah manajer sebagai suatu Enterprise Wide Systems (EWS). Sistem Pendukung Keputusan – Gunandjar. Menyediakan antarmuka yang benar-benar user-friendly untuk Eksekutif. tak terlalu baik. Menyediakan akses cepat pada informasi detil yang tersirat di teks. Manajemen diamanahi DSS.• • • • • • Kebutuhan akan informasi yang akurat.Satu contoh dari implementasi Group DSS ini adalah Total Quality Management (TQM). Berbagai keputusan utama dalam organisasi dibuat oleh group secara kolektif. Identifikasi masalah (atau juga kesempatan). 1. electronic meeting systems. dan melacak data dan informasi yang kritis. Mengumpulkan keseluruhan group secara bersama dalam satu tempat dan waktu adalah sulit dan mahal. Kebutuhan akan informasi baru. Memfilter. dan group DSS (ini yang kita gunakan). Mempertemukan berbagai gaya keputusan individu para Eksekutif. sehingga mereka membutuhkan tool dan prosedur yang mudah untuk digunakan.Peningkatan kinerja groupgroup tadi yang dibantu oleh teknologi Informasi ini muncul dalam berbagai istilah. 1. DSS dipandang sebagai pemenang secara organisasi. memadatkan.

Dan seperti seorang pakar. ataupun pengetahuan secara eksplisit. yaitu menggunakan pengalaman yang bersesuaian dan belajar dari pengalaman itu tentang apa yang harus dikerjakan dengan situasi yang serupa untuk pengalaman yang tak sesuai. • • Merupakan cabang dari aplikasi Artificial Intelligence (AI).5 Expert Systems (ES) • • Semakin tak terstruktur suatu situasi. Ide dasarnya sederhana. Kepakaran ditransfer dari seorang pakar ke komputer. informasi. Pengambil keputusan menggunakan pengalaman yang ada untuk mengatasi hal ini. sedangkan keputusan harus diambil walaupun kondisinya seperti ini (informasi yang parsial. saran tersebut bisa dimanfaatkan oleh orang yang bukan pakar berikut penjelasannya yang berisi logika penalaran di balik saran itu.6 Neural Computing (Artificial Neural Network). maka akan solusinya akan lebih spesifik. ES adalah paket hardware dan software yang digunakan sebagai pengambil keputusan dan/atau pemecahan masalah. • • Perubahan lingkungan yang terjadi sedemikian cepatnya. tak ada elemen untuk proses pembelajaran oleh Page 6 Sistem Pendukung Keputusan – Gunandjar. Komputer dapat mencari. • Pada dunia nyata yang begitu kompleks.ST . atau pun tak eksak). mungkin tak bisa didapatkan data. Pengetahuan ini lalu disimpan disitu dan user dapat meminta saran spesifik yang dibutuhkannya.1. ES dibuat untuk menyerupai seorang pakar/ahli. pada satu area masalah yang spesifik dan biasanya lebih sempit. • Teknologi sebelum Artificial Neural Network (ANN) berbasis pada penggunaan data. 1. mengolah dan menampilkan kesimpulan yang spesifik. informasi. yang dapat mencapai level yang setara atau kadang malah melebihi seorang pakar/ahli. tak lengkap. • Pada teknologi sebelumnya. ataupun pengetahuan eksplisit yang tersimpan di komputer dan memanipulasi mereka menurut kebutuhan.

monitoring Deccision Support Systems (DSS) Long-renge strategic planning. Transaction Processing Systems (TPS). Pendekatan ini berarti bahwa MSS dipandang canggih. Expert System (ES) Execytive Information System (EIS) Support top management decision. Expert Systems (ES). 7.ST Page 7 . Management Information Systems (MIS). Contohnya adalah pengenalan pola. Atribut dari sistem pendukung terkomputerisasi utama: Dimension Transactions Processing Systems (TPS) Management Information Systems (MIS) Production control.envi to Applications Payroll. • Teknologi yang ditujukan untuk mengisi kekurangan ini. MIS. 2. EIS.sales forecasting. complex Diagnostics strategic planning. disebut dengan Neural Computing atau ANN. Evolusi dari MSS dan hubungannya dengan sistem yang lain umumnya dipandang sebagai: rekomendasi dan saran yang disediakan oleh MSS ke manajer dapat dipertimbangkan sebagai informasi yang diperlukan untuk keputusan akhir yang akan dibuat. jenis sistem informasi tingkat tinggi yang dapat ditambahkan pada sistem TPS tradisional. Decision Support Systems (DSS) dan Group DSS (GDSS). MIS. OAS. Keterkaitan dan koordinasi diantara tool-tool ini masih berevolusi. 1. Hubungan antara TPS. 6. Office Automation Systems (OAS). 5. dan ES dan teknologi-teknologi yang lain: Berbagai teknologi ini dapat dipandang sebagai klas yang unik dari teknologi informasi. Evolusi dan pembuatan tooltool yang lebih baru membantu kinerja pengembangan teknologi informasi untuk kebaikan manajemen dalam organisasi.production and sales Sistem Pendukung Keputusan – Gunandjar. dan mereka saling mendukung satu sama lain dalam berbagai manajemen pengambilan keputusan.inventory.7 Evolusi dari alat Pengambilan keputusan terkomputasi Dibagi dalam 7 kategori: 1. 3. Executive Information Systems (EIS). internal control.komputer. Mereka saling berhubungan. record keeping. Artificial Neural Network (ANN). DSS. 4.

tra nsfer of expertise Procedural and factual knowledge.intera ctive factual knowledge access.kno wledge base (facts. masalah-masalah yang Page 8 Sistem Pendukung Keputusan – Gunandjar. user friendliness Database by management systems. blend of judgment and modeling Numerical The decision system when make complex unstructured. used of rules (heuristic) combined with DSS manipulation Numerical Numerical symbolic Numeric (mainly). operational Scheduled and demand report structured flow. enterprise wide access (to all data base) Only Database Unique update to each Interactive acess programmers application. batch Decision capabilities No decisions Structured routing problems using conventiona management Semistructured problem. low management Analyst managers and Managers and specialist Senior executives (only) expeditiency efficiency Effectiveness Effectiveness and expedieny Timeliness 1.key indicators Type of information Summary reports.som e symbolic Status access exception reporting.cont rol.ST .8 Berbagai Perbedaan antara DSS dengan MIS Fitur dari DSS: • DSS dapat digunakan untuk mengawali kerja ad hoc. integrated management science models. rules) ronmental scanning Tracking. exception reporting Middle management Information support specific decissions to Advice and explanations Highest organitation al level served Impetus Submanagerial. stategies Interfencing. drill down External (online)and corporate.information Focus Data transactions information integrated problem areas Decisions flexibility.

Karakteristik DSS: • Kajiannya ada pada keputusan-keputusan dimana ada struktur yang cukup untuk komputer dan alat bantu analitis yang memiliki nilai tersendiri. yang tak dimaksudkan untuk mengotomatiskan Sistem Pendukung Keputusan – Gunandjar. • • Hasil utamanya adalah dalam menghasilkan solusi yang lebih baik untuk masalah-masalah tertentu. dimana tujuan. dan lain-lain. tetapi tetap pertimbangan manajer memiliki esensi utama. dimana prosedur operasi standar. waktu tunggu. Relevansinya untuk manajer adalah dalam pembuatan tool pendukung.aturan keputusan. Relevansinya untuk manajer ada pada rekomendasi detil dan metodologi baru untuk menangani masalah-masalah yang kompleks. dan alur informasi dapat didefinisikan Hasil utamanya adalah meningkatkan efisiensi dengan mengurangi biaya. DSS dapat menyediakan pendukungan keputusan dalam kerangka waktu yang pendek/terbatas. Karakteristik Operation Research/Management Science: • Kajiannya ada pada masalah-masalah yang terstruktur (dibandingkan dengan tugas-tugas). Karakteristik MIS: • • • Kajiannya ada pada tugas-tugasnya yang terstruktur. • Hasil utamanya adalah dalam peningkatan jangkauan dan kemampuan dari proses • pengambilan keputusan para manajer untuk membantu mereka meningkatkan efektivitasnya. data.tak diharapkan. Relevansinya untuk manajer pengambil keputusan biasanya tak langsung didapatkan. misalnya dengan penyediaan laporan dan akses ke data. DSS dapat berevolusi sebagai mana halnya pengambil keputusan mempelajari tentang masalah-masalah yang dihadapinya. di bawah pengawasan mereka. dan dengan mengganti karyawan klerikal. dan batasan-batasan dapat lebih dulu ditentukan. aturan. DSS dapat dikembangkan oleh para profesional yang tak melibatkan pemrosesan data. • • • • DSS dapat menyediakan representasi valid dari sistem di dunia nyata.ST Page 9 .

2. Disebabkan beberapa informasi bersifat fuzzy. Relasi antara EDP. tren) dan penginterpretasian sangat dibantu oleh adanya komputerisasi. terintegrasi. Menurut kenyataannya. disebabkan karena perbedaan kapabilitas diantara kedua tool. Analisis bisa bersifat kualitatif atau pun kuantitatif (atau kombinasinya). MIS. yang jelas dapat meningkatkan pengambilan keputusan manajerial.sendiri. monitoring. Seluruh area dari proses scanning.Demikian juga natural language processors (NLP) akan berguna dalam menyimpulkan informasi. Proses pengambilan keputusan: 1. Step B. sistem yang berbasis komputer.ST Page 10 . Disiplin antara ES dan DSS berkembang pararel. pertanyaan selanjutnya adalah apa yang harus dikerjakan dengan hal ini? Di sinilah langkah analisis berperanan. tapi saling tak tergantung dan berjalan sendiri. mereka dapat mengkomplemen satu sama lain. bagaimana untuk memonitor. Mengerti masalah (atau kesempatan yang ada).proses pengambilan keputusan. Sekali suatu masalah (kesempatan) teridentifikasi. maka kombinasiantara ES dan ANN tentu akan membantu. tujuan sistem. atau solusi tertentu. Cuma sekarang kita bisa mencoba menggabungkan potensi dari keduanya. Analisis. ES dapat membantu dalam mendesain alur informasi pada eksekutif (misalnya.9 Hubungan DSS dengan Expert System DSS dan ES berbeda dan tak berhubungan dengan sistem yang terkomputerisasi. Step A. membuatnya menjadi powerful.forecasting (misalnya. and DSS: Stategic Planning Managerial Control Operational Control Transaction Processing DSS MIS EDP 1. Analisis kuantitatif didukung oleh DSS dan Sistem Pendukung Keputusan – Gunandjar. kapan) dan dalam penginterpretasian informasi.

3. Implementasi. Dukungan terkomputerisasi untuk para manajer sangat penting dalam berbagai kasus untuk kelanjutan organisasinya. Memilih.oleh tool-tool analisis kuantitatif. Pada tahap ini. MSS adalah keluarga teknologi yang dapat digunakan secara mandiri atau dalam bentuk kombinasinya. keputusan dibuat dengan memperhatikan masalahnya (atau kesempatan) berdasarkan hasil dari analisis. 4. Step D. EIS. People Scanning Problem identification (definition) (Intelegence) Newspapers TV Sensors ES. Pada langkah ini. dan DSS dan/atau ES bisa mendukung tahap ini. Analisis kualitatif didukung oleh ES.ANN.ST Page 11 .MIS Step A EIS (ESS) ES Qualitative analysis (Design) Step B Quantitative analysis (Design) DSS MS/Or ANN Step C Decicion (choice) GDSS (groups) DSS (individual) Implement ? Step D Decision (choice) DSS and ES Kesimpulan • • • Perkembangan komputer demikian cepatnya dan juga penggunaannya oleh para manajer. keputusan untuk mengimplementasikan solusi tertentu dilakukan.NLP. Langkah ini didukung oleh DSS (jika pengambil keputusan adalah seseorang) atau oleh GDSS (jika keputusan dibuat oleh sekelompok orang). Sistem Pendukung Keputusan – Gunandjar. Step C.

Maka metode intuisi dan trial and error tak tepat lagi.ST Page 12 . dan mudah untuk • • • • • • • ES adalah sistem pemberi nasehat yang mencoba menirukan para pakar. DSS adalah teknologi analitis yang menggunakan model untuk solusi yang semi terstruktur dan masalah-masalah tak terstruktur. Kerangka dukungan keputusan membagi kondisi keputusan dalam 9 kategori. Sistem Pendukung Keputusan – Gunandjar. Keuntungan utama dari MSS adalah ia dapat diukur. Teknologi-teknologi MSS dapat diintegrasikan diantara mereka sendiri dan dengan CBIS yang lain. yang sedia setiap saat.• • Manejemen pengambilan keputusan makin lama makin kompleks. Fitur utama dari ES adalah aplikasinya untuk pengetahuan dan penggunaan reasoning (alas an suatu keputusan). detil. Komputasi saraf (neural computing) adalah teknologi yang mencoba menampilkan proses pembelajaran dan pengenalan pola. • • • • Keputusan yang terstruktur didukung oleh metode analisis kuantitatif seperti: management science dan capital budgeting. tergantung pada derajat struktur dan aktivitas manajerial. Semua teknologi MSS adalah interaktif. Group DSS adalah teknologi yang mendukung proses pengambilan keputusan dalam suatu group. Setiap kategori mendapat dukungan komputer sendiri.sendiri. EIS adalah teknologi yang mendukung eksekutif dengan menyediakan bagi mereka informasi divisualisasikan. Teknologi-teknologi MSS dapat diterapkan pada satu lokasi atau mereka dapat didistribusikan di keseluruhan perusahaan.

DSS. EIS. 2. konsep. dan prosedur yang ditujukan untuk melakukan fungsi tertentu atau memenuhi suatu tujuan. Sistem terdiri dari: Input. yang diakhiri dengan suatu rekomendasi. dan Output.ST Page 13 .kesulitan tapi mencakup juga penyelidikan mengenai kesempatan-kesempatan yang ada.PEMODELAN DAN DUKUNGAN Pengambilan keputusan adalah proses pemilihan. Proses. Input adalah semua elemen yang masuk ke sistem.SISTEM. bisa memutuskan untuk memodifikasi input. Sistem adalah kumpulan dari obyek-obyek seperti orang. atau proses. (3) choice. resources.yaitu: (1) intelligence. Dari informasi ini. Sistem. (2) design. pengambil keputusan. yang bertindak sebagai pengontrol. 4 fase dalam pengambilan keputusan.Pemecahan/penyelesaian masalah tak hanya mengacu ke solusi dari area masalah/kesulitan .BAB 2 PENGAMBILAN KEPUTUSAN. dan ES melibatkan satu istilah: sistem. Output adalah adalah produk jadi atau hasil dari suatu proses di sistem. Sistem Pendukung Keputusan – Gunandjar. Fase 1 sampai 3 merupakan dasar pengambilan keputusan. pasien yang masuk ke rumah sakit. input data ke komputer.Koneksi antara dan interaksi diantara sub sistem disebut dengan antarmuka/interface. GDSS.Sedangkan pemecahan masalah adalah serupa dengan pengambilan keputusan (fase 1 sampai 3) ditambah dengan implementasi dari rekomendasi (fase 4). Feedback adalah aliran informasi dari komponen output ke pengambil keputusan yang memperhitungkan output atau kinerja sistem. atau malah keduanya. Contohnya adalah bahan baku yang masuk ke pabrik kimia. Proses adalah proses transformasi elemen-elemen dari input menjadi output. and (4) implementation. diantara berbagai alternatif aksi yang bertujuan untuk memenuhi satu atau beberapa sasaran.1.

energi. output. Namun. Terdapat 3 jenis model: 1. tak tergantung sama sekali. biasanya dalam skala tertentu dari bentuk aslinya. Doing the “right” thing. sebagai contoh. 2. Model adalah representasi sederhana atau penggambaran dari kenyataan. Efisiensi adalah ukuran penggunaan input (atau resources) untuk mencapai tujuan. speedometer.ST Page 14 . Lebih abstrak daripada model Iconic dan merupakan representasi simbolis dari kenyataan. politik. atau non fisik. Sistem Pendukung Keputusan – Gunandjar. Bila suatu elemen memiliki hubungan dengan tujuan sistem serta pengambil keputusan secara signifikan tak mungkin memanipulasi elemen ini. Contoh: bagan organisasi. Efektivitas adalah derajat seberapa banyak tujuan sistem tercapai. Tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. maka elemen tersebut harus dimasukkansebagai bagian dari environment. mereka dapat mempengaruhi kinerja dan tujuan sistem.2 Model Karekteristik utama dari DSS adalah adanya kemampuan pemodelan. misal: suatu sistem di batasi oleh waktu tertentu. Sistem ada di dalam boundary. aspek fisik. Replika fisik dari sistem. atau pun proses. Analog. • Sistem tertutup (Closed System) adalah sistem yang merepresentasikan derajat kemandirian dari sistem. Bisa secara fisik. GUI pada OOPL adalah contoh dari model ini.Doing the “thing” right. Sistem ini menerima input (informasi. misal: sistem adalah sebuah departemen di Gedung C. bagan pasar modal.Environment/lingkungan dari sistem terdiri dari berbagai elemen yang terletak di luar input. Ini mengacu pada hasil atau output dari suatu sistem. 2. hukum. peta. Sistem dan lingkungannya: Boundary/batas adalah pemisah antara suatu sistem dengan environment-nya. Iconic (Scale). seberapa banyak uang yang digunakan untuk mendapatkan level tertentu penjualan. material) dari lingkungannya dan bisa juga memberikan outputnya kembali ke lingkungan tersebut. • Sistem terbuka (Open System) sangat tergantung pada lingkungannya. Sistem ini secara penuh mandiri. Contoh: sosial. dan ekonomi. dimana environment ada di luarnya. 2 ukuran utama dari sistem adalah: efektivitas dan efisiensi.

7. karena kalau pun bisa akan memakan waktu lama dan sulit.ST . Keuntungan model Di bawah ini adalah alasan utama mengapa MSS menggunakan model: 1. Operasi bertahun-tahun dapat disimulasikan dalam hitungan menit di komputer. 5. 2. Matematis (Kuantitatif). Model memungkinkan untuk menyingkat waktu. 4. Penggunaan pemodelan menjadikan seorang manajer dapat menghitung resiko yang ada pada proses-proses tertentu. Kompleksitas hubungan dalam sistem organisasi tak dapat direpesentasikan dengan Iconic atau Analog. Penggunaan model matematis bisa menjadikan analisis dilakukan pada kemungkinan.kemungkinan solusi yang banyak sekali. manajer akan seringkali memiliki alternatif-alternatif pilihan. Manipulasi model (perubahan variabel) lebih mudah dilakukan daripada bila diterapkan pada sistem nyata. Lingkungan sekarang yang makin berada dalam ketidakpastian. Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang sesungguhnya. Terlalu banyak alternatif untuk dicoba. Akibat yang ditimbulkan dari adanya kesalahan-kesalahan sewaktu proses trial-and-error lebih kecil daripada penggunaan model langsung di sistem nyata. 6.3 Proses Pemodelan Berikut ini adalah proses yang terjadi pada pemodelan: Trial and error dengan sistem nyata. Tapi ini tak berjalan bila: 1. Lingkungan itu sendiri selalu berubah. 3. Akibat samping dari error yang terjadi besar pengaruhnya. 2. 3.3. Page 15 Sistem Pendukung Keputusan – Gunandjar. bahkan bisa tak terhitung. Analisis DSS menggunakan perhitungan numerik yang dibantu dengan model matematis atau model kuantitatif lainnya. Model meningkatkan proses pembelajaran dan meningkatkan pelatihan. Dengan adanya komunikasi dan teknologi canggih sekarang ini. 2. • Simulasi. Selanjutnya percobaan yang dilakukan akan lebih mudah dilakukan dan tak mengganggu jalannya operasi harian organisasi.

pengembangan. Pengembangan (penyediaan) alternatif.ST Page 16 . Intellegence Phase Proses yang terjadi pada fase ini adalah: • • • • Menemukan masalah. Prediksi hasil.• • • Optimisasi Heuristic.4 Design Phase. Proses pengambilan keputusan. Juga model dari masalahnya dirancang. Penguraian masalah. Kepemilikan masalah. Struktur model. Klasifikasi masalah. Seleksi prinsip-prinsip pemilihan (kriteria evaluasi). dites. Tahap ini meliputi pembuatan. 2. Skenario. Pengukuran hasil. Tugastugas yang ada pada tahap ini merupakan kombinasi dari seni dan pengetahuan. yaitu: • • • • • • • Komponen-komponen model. 2. dan divalidasi.Termasuk juga disini pemahaman masalah dan pengecekan solusi yang layak. dan analisis hal-hal yang mungkin untuk dilakukan.5 Komponen-komponen Model Kuantitaif Struktur umum dari model Uncontrollable Variables Decission Variables Relationship Result Variables Sistem Pendukung Keputusan – Gunandjar.

period of share. Marketing Manufacturing Result variables variables and parameters Total profit rate of Inflatation rate . regulations Demand of service Kesimpulan • • • • • • • Manajemen pengambilan keputusan serupa dengan keseluruhan proses manajemen. earning per prime rate competition timing Customers income. Semua sistem dipisahkan dari lingkungannya dengan suatu batas. liquidity level of invesmentn Advertising budget. analog Page 17 Sistem Pendukung Keputusan – Gunandjar. berinteraksi dengan lingkungannya. Pemecahan masalah juga mengacu pada evaluasi peluang.ST . Sistem terdiri dari input. output. atau tertutup. tax rates Delivery distance . Model banyak digunakan dalam MSS.Contoh – contoh dari komponen model Uncontrollable Area Financial Invesment Decision variables Investment alternative investment. proses dan pengambil keputusan. and return. Data processing cost Computer audit schedule Shipments schedule Staffing levels error rate Total transport cost Customer satisfaction technology. DSS utamanya berhubungan dengan sistem yang terbuka. Market share product mix Product and amounts inventory levels communication Accounting Transportation Service customer satisfaction competitors action Total cost quality Machine capacity level satisfaction employee technology materials prices program Use of computers. Sistem dapat terbuka. yang bisa dalam bentuk iconic. amounts.

masalah (peluang) diidentifikasikan.ST Page 18 .atau matematis. Sistem Pendukung Keputusan – Gunandjar. Critical success factor adalah metodologi untuk mendiagnosis masalah dan mengidentifikasi kebutuhan informasinya. Pemodelan dapat menggunakan teknik simulasi. Pada fase intellegence. dan implementation. diklasifikasikan. Gaya keputusan manusia harus dikenali dalam mendesain MSS. dan diuraikan (jika diperlukan). optimisasi. • • • • • • • • • • • • Model menjadikan percobaan dari suatu sistem lebih cepat dan murah. Pengambilan keputusan melibatkan 4 fase utama: intelligence. hasil diprediksi. kriteria pemilihan ditetapkan. Dalam evaluasi alternatif. suatu model sistem dibuat. Keputusan dibuat oleh individu atau group dapat didukung oleh MSS. Pada fase choice. dan metodologi keputusan dibuat. alternatif dihasilkan. atau heuristic. berbagai alternatif dibandingkan dan pencarian solusi yang terbaik (atau yang cukup baik) dimulai. Berbagai teknik pencarian disediakan. “What-if” dan goal seeking adalah 2 pendekatan analisis sensitivitas. Komputer dapat mendukung semua fase pengambilan keputusan dengan mengotomatisasi tugas/proses yang diperlukan. Pada fase design. harus dipertimbangkan multiple goal dan masalahmasalah analisis sensitivitas. design. choice.

jamannya Christianto Wibisono sebelum pindah ke Australia). Problem Data are not correct. 2. dan personal. Possible Solutions (in Some Cases) Raw data were entered Develop a systematic way to inaccurately. Bentuknya bisa berupa CD-ROM. karena banyak tak relevan dengan MSS yang diinginkan.1 Sumber Data 3 sumber data adalah dari: internal. Personal. eksternal. diagram. Permasalahan data mengikuti asas GIGO (Garbage In Garbage Out). film. Eksternal. 3. 3. Digunakan untuk membantu metode manual atau malah kadang dominan peranannya bila cara-cara manual sudah tak mampu lagi. carefully monitor both the data values and the manner in which the data were generated. observasi (misal dengan menggunakan kamera video). Pilihlah data eksternal yang relevan saja. Contoh: metode time studies (selama observasi). Mulai dari database komersial sampai data yang dikumpulkan dari sensor dan satelit. Internal. dan televisi.ST Page 19 . Data disimpan dalam satu atau beberapa tempat dalam suatu organisasi. atlas. Contoh: data mengenai karyawan dan penggajiannya. Juga gambar. dan proses. Whenever derived data carelessly. 1. produk. berita/informasi dari BEJ/BES. • Instrumen dan sensor. Contoh: perkiraan penjualan atau opini mengenai kompetitor. meminta pendapat pakar (misal dengan mewawancarainya). Contoh: PDBI (dulu. Para pakar dapat memberikan kontribusinya pada MSS untuk berbagai aplikasi tertentu.Data derived by ensure the accuracy of raw an individual were generated data. atau suara. musik. Data ini mengenai orang. are submitted. the data is not rapid enough Typical Cause Data are not timely Sistem Pendukung Keputusan – Gunandjar. Modify the system for The method for generating generating the data.2 Pengumpulan dan Permasalahan Data Metode pengumpulan data mentah bisa menggunakan cara: • Manual. Biro Pusat Statistik. dan lain-lain.BAB III MANAGEMENT DATA 3. services. survey (menggunakan kuisoner).

Meningkatkan produktivitas paling sedikit 5 kali lipat sampai Page 20 Sistem Pendukung Keputusan – Gunandjar. • • • Procedural Languages. Delphi. 3.3 Database dan management database DBMS didesain untuk sebagai suplemen yang mengijinkan kita dalam mengintegrasikan data dalam skala yang lebih besar. struktur file yang kompleks. Needed data simply do not exist Required data never existed. Contoh: BASIC. Software Database.to meet the need for the data. This may be impractical because of the cost of storing and maintaining data. Diikuti dengan Object-oriented Language: C++. C#. 4GLs memiliki keuntungan: • Result-oriented. COBOL. store data for future use. dll. of the analysis. Bahasa ini mengijinkan programmer untuk menjelaskan karakteristik masalah yang akan diselesaikan bukannya prosedur-prosedur yang harus diikuti. Nonprocedural Fourth-generation Language (4GLs). Java. pengubahan dan penampilan data secara cepat. Bahasa utama dalam kebanyakan generator DSS dan berbagai tool MSS lainnya. PHP. difficult to develop and maintain.No one ever stored data needed now Whether or not it is useful now. pengambilan. Futher more the data may not found when they needed. dan Pascal. Make an effort to generate the data or to estimate them if they concern the future.ST . FORTRAN. A detailed model contains so many coefficients that it is models. Data are not measured or indexed properly. Problem-oriented Language. dan keamanan data yang lebih baik dari sekedar database biasa. Raw data are gathered Develop a system for according to a logic or rescaling or recombining the periodicity that is not consistent with the purposes improperly indexed data. Contoh: GPSS (General Purpose Simulation Software) digunakan untuk mengkonstruksi model simulasi dan dapat digunakan untuk mengkonstruksi DSS yang besar.

sekitar 300 kali lipat untuk berbagai aktivitas. Graphic enhancement.4. n. Sebagai suatu MSS generator untuk membangun aplikasi tertentu. • Sebagai basis dalam pembangunan tool atau komponen yang lain dari suatu MSS. sebab 4GLs dirancang baik untuk spesialis maupun end-user. 3. Environment untuk applications development. Sebagian besar end-user dapat membangun sistem dengan 4GLs tanpa bantuan perantara. Fourth-generation Systems. Sistem Pendukung Keputusan – Gunandjar. satu DBMS dapat dibuat dengan 4GL. Environment untuk information consumers. f. Relational language. g. Fourth-generation DBMS. Screen definition dan management facility. h. m. Extended data access. l. Micro-to-mainframe environment. Query language. sebagai contoh. k. • Fourth-generation languages (4GLs) digunakan untuk membangun sistem secara cepat dan murah. Sebagai tool yang digunakan saat suatu MSS atau MSS generator (engine) dibangun. Applications management. d. Sebagai tool ideal untuk pusat informasi (Information Centers). dan dibangunnya itu adalah dari sekedar konsep kasar. Modeling language. Sehingga merupakan tool pengembangan yang efektif. b. biasanya ditulis dalam 4GL dan diintegrasikan dengan berbagai elemen yang lain. Fitur-fitur ini adalah: a. c. FGS yang lengkap mempunyai berbagai fitur yang membuat user mudah berkomunikasi dengan komputer. dan buat pembangunan DSS membuatnya menjadi lebih mudah . Client/server management. j. DBMS yang digunakan sebagai tool pengembangan dari suatu DSS. Nonprocedural language untuk data maintenance. i. e.ST Page 21 . Contoh dari sistem seperti ini adalah suatu komposisi populer spesial untuk komputer mainframe dan disebut dengan Fourth-Generation System (FGS) yang lengkap. Nonprocedural report writer (atau report generator).

untuk berbagai produk operasi DBMS dari program. Arsitektur database hierarchical. Aplikasi MSS yang kompleks.5 Struktur database dan sql Relasi diantara berbagai record individu yang tersimpan dalam database dapat dinyatakan dengan berbagai struktur lojikal. dan mudah diakses dalam berbagai format tanpa perlu • mengantisipasinya pada waktu awal mendesain dan mengembangkannya. Bahasa data yang menjadi standar untuk mengakses dan memanipulasi data dalam RDBMS. Struktur ini disebut dengan model CODASYL. Ingres. Keuntungan dari bentuk ini adalah user mudah untuk mempelajari. Ini dapat menghemat penyimpanan data dengan men-share-nya pada beberapa item. dan Supra). atau bagan organisasi. misalnya yang melibatkan CIM (Computer Integrated Manufacturing) membutuhkan akses ke data yang kompleks. • Network. yang melibatkan gambar-gambar dan relasi yang juga kompleks. Digunakan untuk akses online ke database. Juga digunakan untuk mengakses dan memanipulasi fungsi dari software DBMS terkemuka saat ini (contohnya: Oracle. membuat link lojikal diantara item data yang berelasi. data mudah dikembangkan atau diubah. DB2. Hierarchical. Menyusun item data dalam gaya top-down. ataupun relasional tak dapat mengatasi database yang kompleks tersebut Sistem Pendukung Keputusan – Gunandjar. SQL adalah bahasa nonprocedural dan user-friendly. termasuk koneksi rumit diantara item-item yang berelasi.6 Object-oriented Database. sehingga enduser dapat menggunakannya dalam query dan berbagai operasi database.3. 3. Sehingga mirip seperti pohon. Struktur ini mengijinkan link yang kompleks. • Relational Database. Beberapa file data “direlasikan” dengan field data dari dua (atau lebih) file data.ST Page 22 . DBMS didesain dengan menggunakan struktur ini untuk mengeksekusi fungsi-fungsinya. • SQL. network. dan untuk fungsi-fungsi administrasi database.

Express.Sayangnya ada kebingungan terhadap sifat utama DMBS dan program spreadsheet ini. Serupa dengan fenomena ini. PHP. serta melibatkan faktor-faktor matematis. sehingga membuat user dapat menampilkan kerja spreadsheet dengan suatu DBMS. yaitu untuk membuat. Manajemen data berorientasi objek didasarkan pada prinsip-prinsip pemrograman berbasis objek. dan menampilkan data. Pendekatan ketiga adalah dengan menggunakan DSS generator yang benar-benar terintegrasi Akhirnya dapat disimpulkan bahwa seseorang dapat membangun DSS dari konsep Sistem Pendukung Keputusan – Gunandjar. sehingga DSS dapat dibangun dengan mengembangkan lebih lanjut DBMS atau dengan mengintegrasikan spreadsheet. Alternatif lain. mengubah. Contoh dari object-oriented data manager: GemStone. serta object encapsulation mengijinkan desainer database untuk menyimpan baik data konvensional maupun kode-kode prosedural dalam objek yang sama. OODB mengijinkan kita untuk menganalisis data pada level konseptual yang menekankan hubungan alamiah diantara objek. dan Versant. C++. Abstraction digunakan untuk membuat hirarki inheritance. Ontos. statistik dan keuangan.Program spreadsheet berhubungan dengan aspek pemodelan DSS. G-Base. padahal terkadang diperlukan representasi grafis untuk mendapatkan hasil terbaik.ST Page 23 . angka. banyak program spreadsheet menawarkan berbagai kemampuan DBMS. Semua arsitektur ini berhubungan dengan database alphanumeric (huruf. Sistem OODB mengkombinasikan karakteristik bahasa pemrograman berbasis objek seperti Smalltalk. DBMS mengijinkan user untuk meng-query data seperti halnya menghasilkan report. Delphi. 3. menghapus. Tool-tool berorientasi objek berfokus secara langsung pada database. Utamanya disebabkan karena berbagai DMBS itu menawarkan kemampuan yang serupa dengan yang ada di spreadsheet terintegrasi. solusinya tetap saja tiak efektif. VBase. dapat pula dibangun dengan sebagian DBMS dan sebagian lagi dari spreadsheet. seperti: Lotus 1-2-3 dan Excel. Aplikasi DSS membutuhkan data dan pemodelan dalam prosesnya. dan karakter-karakter lain). Java. menampilkan kalkulasi berulang pada variabel yang berhubungan.secara efisien. dan lain-lain dengan mekanisme penyimpanan dan pengaksesan data. C#. Ini membantu membuat dan mengatur model.7 Aplikasi Database dan Spreadsheet. Walaupun SQL digunakan untuk membuat dan mengakses database relasional. Hal utama yang ada di DMBS adalah manajemen data.

tanpa mengganggu ketersediaan sistem dan jaringan. Ini adalah kerangka kerja berbasis teknologi yang terdiri dari berbagai aplikasi. dan tool-tool manajemen. databases.9 Keuntungan dari enterprise computing adalah: • • Menyediakan pelayanan yang responsif dan handal secara kontinyu. Manajer harus mengantisipasi tantangan ini. adanya kebutuhan terhadap solusi hardware dan software yang khusus dan terlokalisasi.ST Page 24 . 3. • Sering dan cepatnya perubahan dan bertambahnya kompleksitas dapat diakomodasikan dengan cepat. Pertama. 3. mereka harus bisa mengantisipasi pertumbuhan dan makin kompleksnya keragaman peralatan dan sistem. • Optimasi yang lebih tinggi pada resourses jaringan dan sistem memastikan bahwa pelayanan kualitas yang tinggi dijaga pada biaya terendah yang mungkin.8 Enterprise DS dan Information warehouse Terdapat dua kontradiksi dalam bisnis modern. 3. jaringan. Sistem enterprise jelas makin kompleks. Sistem komputer yang melibatkan keseluruhan organisasi disebut dengan enterprise computing atau enterprise-wide systems.10 Konsep Information Warehouse (IW). Sistem Pendukung Keputusan – Gunandjar. adanya kebutuhan untuk mengefektifkan cost dari penyatuan semua sumber informasi kedalam aset bisnis yang termanajemen.kasar dan tak perlu menggunakan 4GLs yang ada. Istilah enterprise mengacu pada pengertian keseluruhan organisasi. Kedua. dan biasanya berasal dari berbagai vendor. Paduan kerjasama yang lebih baik dalam penggabungan solusi client/server baru pada mainframe yang sudah ada. • • Otomatisasi proses manajemen menjadikan biaya administrasi dan operasional system berkurang seiring dengan pertumbuhan enterprise. Enterprise computing adalah suatu arsitektur dari sistem komputer terintegrasi yang melayani bermacammacam kebutuhan suatu enterprise. Keamanan jaringan dan data meningkat. Proses penyatuan ini dapat mencegah berbagai aplikasi kritis dan mengembangkan misi yang sudah ada. hardware.

efektif. tepat waktu. dan efisien. interface. Umumnya menggunakan yang digunakan untuk mengakses resources jaringan. masing-masing dengan interface user sendiri-sendiri. konstruksi presentasi.11 Arsitektur client . dan mudah dimengerti dalam pengambilan keputusan bisnis. LAN. dan berbagai fasilitas yang mengatur dan menyampaikan informasi yang handal. retrieval. yang selama ini belum bisa dilakukan oleh user MSS. IW adalah sekumpulan DBMS.Kunci sukses dari enterprises-wide MSS adalah infrastruktur yang mendukung akses. Client ini saling berbagi resources Sistem Pendukung Keputusan – Gunandjar. • Pada sistem client/server terdapat berbagai client. . Di bawah ini disajikan bagan dari IW-nya IBM: Internal and External Data Statistics + forecasting Information Werehouse spreadsheets Graphical procedures Business Comunications Reporting Graphics Queries Analysis + modeling Project Management 3. IBM membuat konsep IW yang didesain untuk meng”unlock” data secara ekonomis pada suatu suatu enterprise. dan mainframe. analisis. Dicirikan oleh: • • GUI. sampai saat dibutuhkan. tool.server Arsitektur yang mencoba untuk mengorganisasi PC. metodologi penampilan grafis. dan komunikasi (transfer) hasil-hasil serangkaian aktivitas yang dilakukan. dihubungkan ke jaringan. User dihubungkan oleh interface ke Client. manipulasi.ST Page 25 Client-nya adalah PC atau workstation. ke dalam sistem yang fleksibel. akurat.

sebuah mainframe. dan video text. Aplikasi client/server dibagi menjadi 4 kategori: 1. BBS. Client dapat menampilkan berbagai query.yang disediakan server. transaksi client (dieksekusi pada desktop computer) bekerjasama dengan service (dieksekusi pada komputer yang lebih besar). dari permintaan client. Server menangani database dan pemrosesan transaksi yang lebih intensif. Aplikasi pesan. dan bagian back-end diselesaikan oleh server. seperti misalnya manajemen e-mail. penyimpanan dan retrieval informasi.ST Page 26 . command. menentukan apa yang harus dilakukan untuk setiap permintaan client tertentu. berbagai tugas yang tak dapat diproses di client (atau lebih cepat diproses di server). Client menampilkan manipulasi data lokal dan user interface-nya. file server. • Server melayani file sharing. • • • • Server menampilkan hasil-hasilnya pada layarnya client. dan communication server.computing server. tempat penyimpanan yang besar. dan/atau peralatan LAN. yang sudah umum digunakan semisal SQL sebagai presentasi ke server. • Server adalah mesin yang melayani client dengan berbagai pelayanan seperti database. • • • Server bisa berupa workstation yang besar. ini hanyalah sekedar reaksi Server tak dapat berkomunikasi dengan setiap client untuk image-processing server. • Taks/tugas dibagi atas 2 bagian: bagian front-end diselesaikan oleh client. Server tidak memulai suatu pekerjaan. atau pelayanan komunikasi ke jaringan. manajemen jaringan dan dokumen. Kebanyakan server adalah: database server. seperti e-mail. Sistem Pendukung Keputusan – Gunandjar. dalam bahasa Client dapat mengirimkan query atau command ke server untuk minikomputer. dan fungsi-fungsi perantara (untuk aliran informasi internal dan eksternal). print server. • Pada client/server computing.

Jika jawaban dari pertanyaan ini dapat disediakan tanpa memperhatikan struktur databasenya. selama bulan tertentu juga. • • • • Pendekatan multidimensionality ini biasanya lebih banyak digunakan dalam EIS. juga berbagai presentasi data yang sama dapat diatur dengan mudah dan cepat. bulanan. Ringkasan data dapat diorganisasi dalam berbagai cara untuk kepentingan analisis dan presentasi. caturwulan. • • Contoh ukuran: uang. atau tahunan. ukuran. Sistem Pendukung Keputusan – Gunandjar. Pemrosesan aplikasi intensif dimana job dibagi dalam berbagai task. Contohnya. Pendekatan ini disebut dengan multidimensionality. mingguan. sales volume (volume penjualan). Ini bisa terjadi jika data diorganisasikan dalam database multidimensional atau jika produk software tersebut didesain berdasar konsep multidimensionality.ST Page 27 . yang dihitung berdasarkan unit. masing-masingnya dikerjakan pada komputer yang berbeda. aktual vs perkiraan. 3. Sharing/pemakaian bersama pada file/peralatan lain. Waktu proses pemanggilan databasenya membutuhkan resources dan waktu. atau industri. Penyebarluasan suatu database diantara berbagai jaringan komputer. Keuntungan dari pendekatan ini adalah data diorganisasi menurut cara pandang manajer bukan menurut cara pandang analis sistem. 4. keuntungan penyimpanan. maka hal itu dapat dilakukan lebih cepat. pendekatan ini harus dibayar dengan hal-hal berikut: Database multidimensional memakan tempat 40 persen lebih banyak dibandingkan dengan database relasional yang sudah diringkaskan. seorang manajer ingin mengetahui penjualan dari produk M pada area geografis tertentu. segmen pasar. dan dapat dilakukan oleh user itu sendiri. Tapi perlu diingat. lokasi gegrafis. yang dilakukan oleh orang di bagian penjualan tertentu. 3 faktor dalam multidimensionality: dimensi. Contoh dimensi: produk. negara. Contoh waktu: harian. atau remote akses komputer. dan waktu. jalur distribusi. Produk multidimensional membutuhkan biaya 50 persen lebih banyak dibandingkan dengan produk relasional standar. unit bisnis. tergantung pada volume data dan jumlah dimensinya.2. salespeople (orang-orang bagian penjualan).

Quest (dari Gupta Corp. Tool ini ditujukan untuk mendayagunakan user. Data dipping ini memiliki juga nama lain: Business Intelligence Systems. Akses ke data sering dibutuhkan baik oleh aplikasi OLTP maupun oleh DSS dan juga oleh MSS lainnya. end-user data access. Beberapa orang menyebut hal ini data dipper. Visual Basic (dari Microsoft). Contoh produknya: • • • • • • • Excel (dari Microsoft). Pengembangan selanjutnya adalah penambahan pada arsitektur client/server. Sehingga. Sehingga beberapa perusahaan memilih untuk memisahkan databasenya ke dalam tipe OLTP dan DSS.). diperkuat dengan Q&E (dari Q&E Corp. aplikasi jenis ini lebih memperhatikan tentang bagaimana mendapatkan (retrieve) dan menampilkan data.• Antarmuka dan perawatannya lebih kompleks dibandingkan dengan database relasional. Forest and Trees (dari Channel Computing. Personal Access (dari Spinnaker Corp. teknologi informasi berkonsentrasi pada pembangunan system bermisi kritis – sistem yang mendukung pemrosesan transaksi perusahaan (Corporate Transaction Processing). Yang lain mencoba untuk menggunakan tool-tool yang inovatif untuk pengaksesan data. dimana tool ini berbasiskan PC yang murah. Selama beberapa waktu. diperkuat dengan DataLens. jaringan. Solusi berikutnya adalah penyediaan sistem yang mendukung Online Transaction Procession (OLTP). 3. dan data access and reporting tools. Lotus 1-2-3 (dari Lotus Development Corp. LightShip (dari Pilot Software). dan pendekatan client/server. yang bertumpu pada lingkungan database relasional terdistribusi.). sekarang dibeli Microsoft).12.). daripada bagaimana data diakuisisi atau disimpan. sebab sistem ini mengijinkan user untuk mengaduk-aduk apa saja di dalam database untuk mendapatkan apa yang mereka perlukan.ST .. Contoh aplikasi OLTP ini: INFORMIX-OnLine. GUI. sekarang merupakan divisi dari Page 28 Sistem Pendukung Keputusan – Gunandjar. Sayangnya menyediakan layanan untk kedua tipe ini menimbulkan berbagai masalah. Sistem ini membutuhkan toleransi kesalahan tertentu dan juga menyediakan respon sistem yang cepat. Pengaksesan Data: Data Dipping.

). Salah satu cara untuk melakukan itu adalah dengan memperkuat sistem manajemen database dengan penyediaan kemampuan inferencing. Pendekatan ini disebut dengan intelligent database. dapat mempermudah manajemen database. penggunaan.Trinzic Corp. reviewing. Sebagai contoh.13 Intelligent Database Organisasi. pribadi dan publik.ST Page 29 . dan menyimpannya ke dalam sistem terkomputerisasi. khususnya ES. 3. Pengembangan aplikasi MSS membutuhkan akses ke database. tanpa akses database tentulah menjadi sulit untuk menggunakan ES dalam aplikasi MIS yang besar seperti otomasi pabrik dan otorisasi kartu kredit. dan personal. eksternal. dan knowledge. Sistem Pendukung Keputusan – Gunandjar. Updating. informasi. Di bawah ini terdapat diagramnya: End-User Dialog Input Database and DBMS Inference Engine Database Storage Data Model Rule Base Storage ES Report Screens Database Transaction s Logic Database Aplication Program Satu dari tujuan kritis yang utama adalah untuk membuat database intelligent. dan penghapusan informasi ini makin lama makin kompleks seiring dengan bertambahnya jumlah data. terus menerus mengumpulkan data. Teknologi AI. sehingga user dapat menemukan sendiri suatu informasi dengan cepat Kesimpulan Data terdapat dalam sumber-sumber internal.

tetapi biasanya diprogram dengan menggunakan bahasa pemrograman generasi keempat. hirarkikal. sangat berguna dalam MSS terdistribusi.• • • Data eksternal tersedia dalam ribuan database komersial online. Juga Sistem Pendukung Keputusan – Gunandjar. Banyak perusahaan mengembangkan pendekatan berskala global (enterprisewide) dalam hal manajemen data. report. data yang waktunya tidak tepat (nontimely data). terlalu banyak data.ST Page 30 . Data untuk MSS perlu dikumpulkan berulang-ulang di lapangan menggunakan salah satu dari berbagai metode. maupuan jaringan. Untuk kebanyakan MSS. • Enterprise-wide information system mengacu pada sistem yang menyediakan komunikasi diantara semua karyawan secara organisasional. Data diorganisasi dalam berbagai cara. Terdapat kecenderungan untuk menjadikan MSS terdistribusi melalui jaringan. baik itu berarsitektur relasional. • • • • • • • SQL adalah akses standar untuk database relasional. data yang ukuran dan indeksnya tidak bagus (poorly measured and indexed data). DSS dapat diprogram menggunakan bahasa pemrograman generasi ketiga. OODB mudah untuk digunakan dan sangat cepat dalam aksesnya. kamus (dictionaries). MSS terdistribusi mengumpulkan kelebihan-kelebihan dari PC dan kekuatan dari suatu mainframe. Sebagai contoh adalah Information Warehouse dari IBM. • • Sistem generasi keempat mengikutsertakan berbagai fitur terintegrasi untuk manajemen data. dan lain-lain. tipe yang disukai adalah relasional. Data untuk MSS kemungkinan mempunyai berbagai masalah seperti: data yang tidak benar (incorrect data). OODB disediakan khusus untuk menangani DSS yang kompleks seperti yang terdapat pada Computer Integrated Manufacturing. • • Database online yang besar seperti CompuServe dan Dow Jones Information Service bisa menjadi sumber utama data MSS. atau malah tak ada data sama sekali. berbagai MSS ditawarkan pada sistem client/server. direktori.

walaupun data tersebut berada pada file dan database yang berbeda. • Dalam client/server. beberapa PC (client) saling terhubung satu sama lain dan terhubung juga ke database. Sistem Pendukung Keputusan – Gunandjar.ST Page 31 . telekomunikasi.menyediakan akses ke sembarang data atau informasi yang diperlukan oleh semua karyawan pada berbagai lokasi. • Data multidimensionality mengijinkan kita untuk melihat (view) data dengan cepat dengan dimensi yang berbeda. dan berbagai penyedia layanan yang lain (server).

EFPM untuk kalangan perguruan tinggi. 3. 4. 4. Menggunakan DSS Generator: Excel. C+ Menggunakan 4GL: data-oriented language. Agar lebih mudah membangun DSS bisa digunakan bahasa khusus (misal CASE TOOLs). DSS. Quattro Pro. • • Melibatkan hal-hal: teknis (hardware. dan +. C#.ST Page 32 . MIS bisa digunakan untuk ini. Delphi. Generator lebih efisien dari 4GL tapi ini tergantung juga pada batasannya. 2. dan lainnya. Java. Di bawah ini disajikan bagan fase-fase pengembangan suatu DSS: Sistem Pendukung Keputusan – Gunandjar. 6. Lotus 1-2-3. financial-oriented language. Berturutturut ES/DSS. semi terstruktur. pendekatan di atas. C. 4. Express.2 Strategi Pengembangan 1. kualitas yang memadai. Tulis DSS dengan bahasa pemrograman umum: Pascal.BAB IV MEMBANGUN DSS 4. merupakan proses yang rumit. Memiliki jaminan Untuk DSS yang kompleks. bisa mengintegrasikan pendekatanFDC untuk budgeting & financial analysis.1 Pendahuluan Membangun sebuah DSS. jaringan) dan perilaku (interaksi manusiamesin. spreadsheets. Menggunakan DSS Generator khusus (domain specific): Commander Mengembangkan DSS dengan metodologi CASE. ataupun terstruktur. apalagi yang besar. 5. dampak DSS pada individu).3 Proses Pengembangan DSS • Pengembangan suatu DSS terkait juga dengan struktur permasalahan: tak terstruktur.

Phase A Planning: Needs Assesment.ST Page 33 . haruslah dikuasai beberapa konsep dasar seperti: strategi pengembangan. Sistem Pendukung Keputusan – Gunandjar. Demonstration. dan pengembangan DSS berbasis tim vs pengembangan berbasis user. berbagai pendekatan konstruksi DSS. Problem Diagnosis. sifat berulang dari suatu proses.4 Proses pengembangan : Life cycle vs prototyping Pembangunan DSS dilakukan dalam berbagai cara. and Deployment Maintenance and Documentation Phase G Adaptation: Continually Repeat the Process to Improve the System Phase G • Untuk lebih memahami proses desain lebih lanjut. 4. Orientation. Tests Phase E Phase F Implementation: Testing and Evaluation. Phase D Design Design User Interface Dialog Design Problem Processing System (model base) Design DSS Database Design Knowledge component Construction: Putting Together the DSS. Training. Predesign Phase B Research: How to Address User Needs? What Resources Are Available? The DSS Environment Phase C Analysis: What Is the Best Development Approach? What Are the Necessary Resources? Define Normative Models. Dibedakan antara pendekatan life cycle (daur hidup) dan iterative process (proses berulang). Objectives of DSS.

Page 34 Sistem Pendukung Keputusan – Gunandjar. Memilih submasalah penting yang akan dibangun pertama kali. dan memodifikasi sistem secara berulang. DSS didesain untuk membantu pengambilan keputusan para manajer pada masalah yang jelekstrukturnya. informasi yang dibutuhkan. 2. proses berulang (iterative process). konstruksi. seperti di bawah ini: 1. • Pendekatan prototyping disebut juga proses evolusioner (evolutionary process). Mengevaluasi sistem terus menerus. Nama lainnya adalah middle. Dari situ. Di satu sisi memahami kebutuhan user adalah hal yang sulit. adaptive design (desain adaptif) dan incremental design (desain berkelanjutan). atau cukup disebut prototyping saja. Keuntungan Proses Berulang dalam membangun DSS: • • • Waktu pengembangannya singkat.Pendekatan SDLC (System Development Life Cycle). diharapkan user belajar mengenai masalah atau lingkungannya sehingga dapat mengidentifikasi kebutuhan informasi baru dan yang tak diantisipasi sebelumnya. Pendekatan Prototyping Evolusioner. • • • • • Asumsi dasarnya adalah kebutuhan informasi dari suatu sistem dapat ditentukan sebelumnya. dalam membantu pengambil keputusan. Meningkatkan pemahaman user terhadap sistem. Waktu terjadinya umpan balik dari user singkat. Mengembangkan sistem yang kecil. mengembangkan. tapi berguna.out process (proses sementara). • Proses desain berulang ini mengkombinasikan 4 fase utama SDLC tradisional (analisis. dan implementasi) ke dalam 1 langkah yang diulang-ulang. Menghaluskan. 4. Proses berulang terdiri dari 4 tugas. IRD (Information Requirements Definition) adalah pendekatan formal yang digunakan oleh sistem analis. 3.ST . Sehingga perluditerapkan adanya bagian pembelajaran dalam desain atau proses kita. desain. IRD bisa juga melibatkan CSF (Critical Success Factors). IRD secara tradisional merupakan kombinasi analisis lojik dengan pengamatan perilaku pemrosesan informasi.

dan prosesnya memakan biaya. Berbagai individu dalam setiap kategori tadi. sistemnya kompleks.6 Pengembangan DSS berbasis Tim Menentukan DSS Group. dan didesain utama untuk mendukung organisasi. jaringan komunikasi komputer. Dalam wilayah keuangan atau fungsi lainnya. Dalam kelompok manajemen pengetahuan (Management Science Group). maka pembangunan DSS menjadi kompleks. umumnya pada lokasi: 1. • • Enterprise-wide computing serta kemudahan akses data dan pemodelan berarsitektur client/server juga mendukung pengembangan DSS berbasis user. berkurangnya biaya hardware maupun software.5 Pengembangan DSS berbasis Tim dan berbagai user • Pengembangan DSS pada tahun 1970 dan 1980-an melibatkan skala yang besar. 2. Dalam departemen rekayasa industri. 4. Secara organisasi penempatan DSS Group bisa dimana-mana. Dimulai mulai tahun 1980-an. Dalam kelompok pusat informasi (Information Center Group). Dalam departemen IS (Information Services). 4. Intinya dengan berbasis tim. 6. • Pendekatan lainnya adalah membangun DSS berbasiskan user. • Biayanya rendah. Sistem Pendukung Keputusan – Gunandjar. 5.ST Page 35 . 4. 3. Executive Staff Group. Sistem ini didesain oleh tim yang terdiri dari user. tenaga ahli. penghubung (intermediaries). DSS builder. untuk mendapat kinerja yang diinginkan. seiring pesatnya perkembangan di bidang PC (Personal Computer). sehingga ukuran tim menjadi besar dan komposisinya sering berubah seiring berjalannya waktu. Tentu saja kedua pendekatan ini bisa dikombinasikan. lama.dan kemampuannya. dan berbagai tool.

Operations. yang merupakan proses yang bebas.4. Pendekatan ROMC membantu menyelesaikan kesulitan ini. Grafis lebih disukai. • Kesulitan utama dalam membangun DSS adalah tak terspesifikasinya kebutuhan informasi dengan baik. Representasi.ST Page 36 yang dapat teramati yang berhubungan dengan pengambilan . mendasarkan diri pada 5 karakteristik keputusan: 1. Bantuan untuk mengingat sesuatu (misal: laporan.Memory Aids. Operasi. Fase pengambilan keputusan: intelligence. Mekanisme kontrol. file Sistem Pendukung Keputusan – Gunandjar. desain. 2. dan pemilihan dapat diterapkan pada analisis DSS. Bantuan untuk mengingat sesuatu.8 Pendekatan ROMC (Representations. • Kerangka kerja analisis dan desain sistem DSS ini bertujuan untuk mengidentifikasi karakteristik dan kemampuan yang diperlukan oleh suatu DSS. yang merupakan titik awal bagi desain sistem. Terbagi atas 4 entitas berorientasi user: 1. 4. Di bawah ini disajikan bagan kriteria DSS Generator secara top-down: Level 1 Overall objective General Capabilities Level 2 Database Model base Dialog Subsystem Level 3 Data Model Spesific Capabilities Dialog Level 4 Features 4. Pengambil keputusan mengalami kesulitan dalam menjelaskan situasi. 2. and Control Mechanisms). 3. 3.7 Perencanaan DSS Generator. Pendekatan ROMC. tampilan “split screen”.

dan analogi) sangat berguna dalam pengambilan keputusan dan harus disediakan oleh DSS. Conceptualizations: 1. secara pribadi mengatur dukungan sistem. Represenations: A city map. ketrampilan. A variety of styles.data. design. applied via direct. Pengambil keputusan mengharapkan untuk dapat menggunakannya langsung. Staff reminder. design. A scatterplot of assets versus liabilities. Pengamatan ini tidak menyarankan bahwa seorang user bekerja tanpa penghubung. all invoking choice: activities for intelligence. Aid to direct personal control conventions knowledge. and and decision types. for user-computer communication: Page 37 Sistem Pendukung Keputusan – Gunandjar. Compare alternatives. 4. Scratch paper. dan knowledge. akan tetapi mereka harus memahami kemampuan DSS dan mampu menganalisis input dan menerjemahkan output dari DSS. 3. and 4. assets and liabilities. mental rules. A variety of memory aids: 3. indeks. 5. Temporary storage.ST . File drawers with old tables. ketrampilan. Di bawah ini disajikan kebutuhan yang diperlukan untuk suatu keputusan dibandingkan dengan kemampuan DSS: Decision Makers Use DSS Provides 1. Table showing salespeople and their customer assignments. Relationship between A map outline. 2. Workspace for developing assignment tables. Gather data on customers.Library for saving tables. Rolodex.Differentdecision-making processes 2. Maka DSS harus membantu pengambil keputusan menggunakan dan mengembangkan gaya. DSS Messages. Update lists to show assignments. customer data. skills. Operations for intelligence. and choice. dan knowledge mereka sendiri. Automated memory aids: List of customers. Pengambil keputusan berbeda dalam gaya. 4. Computerize address Query the database. Summary sheets Extracted data on customers. Create alternative customer assignments for salespeople. Views of on customers.

Sistem Pendukung Keputusan – Gunandjar. baik user maupun pembangun DSS. 2. Konsep user mengenai tugas. Ability to override DSS defaults or procedures. formed from DSS Hal-hal yang menyebabkan kebutuhan akan fleksibelitas dalam DSS: • • • • • • Tak seorang pun. Faktorfaktor ini memang sering berubah-ubah. dan persepsi dari sifat dasar masalah. user dan lingkungan.ST Page 38 .9 Jenis Fleksibelitas dalam DSS: 1.personal control: Accepted conventions for interpersonal communication. berubah pada saat system dipakai. dan choice dan dalam menjelajah berbagai alternatif memandang atau menyelesaikan suatu masalah. ia harus sering diubah untuk mengantisipasi perubahan dalam hal: masalah. Level pertama fleksibelitas ini memberikan kemampuan fleksibelitas dalam menampilkan aktivitas intelligence. atau tak dapat mengungkapkan. Fleksibelitas menyelesaikan. design. Standard operating procedures. Penggunaan DSS secara aktual hampir pasti berbeda dari yang diinginkan semula. mengantisipasi apa yang dibutuhkan secara lengkap. yang mampu untuk menentukan kebutuhan fungsional seluruhnya. Sistem jarang mencapai hasil final. Ringkasnya ada 2 alasan utama adanya fleksibelitas dalam DSS: 1. Contoh: kemampuan “what-if”. Perubahan yang terjadi haruslah mudah untuk dilakukan. Terdapat berbagai variasi diantara orang-orang dalam hal bagaimana mereka menggunakan DSS. apa yang mereka mau dan butuhkan. Orders to staff. 4. Solusi yang diturunkan melalui DSS bersifat subjektif. Procedures operations. DSS harus berevolusi atau berkembang untuk mencapai desain sebab tak seorangpun yang bisa memperkirakan atau operasional. User tak tahu. Revise orders or procedures Training and explanation in how to give orders to the DSS.

Level ini membutuhkan perubahan dalam tool dan generator untuk efisiensi yang lebih baik. atau pada perluasan masalah. kualitas bias tak terjaga 2.2. Berbagai keuntungan yang bisa didapat user bila dia sendiri yang membangun DSS: 1. Waktu penyelesaiannya singkat. Fleksibelitas mengadaptasi. 4. Biayanya sangat rendah. 4. Fleksibelitas berevolusi.10 Komputasi End-User. Fleksibelitas ini diatur oleh user dan/atau pembangun DSS (DSS builder).11 Pengembangan DSS Berbasis User: Keuntungan dan Resikonya. Definisi ini melibatkan juga manajer dan profesional yang menggunakan komputer pribadi. Level keempat adalah kemampuan dari DSS dan DSS generator dalam berevolusi untuk merespon perubahan sifat dasar teknologi dimana DSS berbasis disitu. 4. dan sistem time-sharing yang digunakan oleh ilmuwan dan peneliti. 3. Fleksibelitas memodifikasi. Ini diatur oleh pembangun DSS. dan (c) mengembangkan resiko system data manajemen (missal:kehilangan data). 3. Level ketiga dalam hal mengadaptasi perubahan yang harus dilakukan pada berbagai DSS tertentu. Pengembangan DSS berbasis user berelasi secara langsung kepada komputasi enduser. Sistem Pendukung Keputusan – Gunandjar. (b) resiko yang berhubungan dengan proses pengembangan menghasilkan (contoh: hasil yang ketidakmampuan salah). resiko potensial kualitas dapat diklasifikasikan dalam 3 kategori :(a) tool dan fasilitas dibawah standar. Definisinya adalah: pengembangan dan penggunaan sistem informasi berbasis komputer oleh orang-orang diluar wilayah sistem informasi formal. Level kedua ini dalam hal modifikasi konfigurasi DSS tertentu sehingga dapat menangani berbagai masalah yang berbeda. e-mail yang digunakan oleh CEO. 2. Resikonya adalah : 1. Syarat-syarat spesifikasi kebutuhan sistem tak diperlukan. Masalah implementasi DSS dapat dikurangi. 4.ST Page 39 . pengolah kata yang digunakan oleh sekretaris.

Page 40 Sistem Pendukung Keputusan – Gunandjar. Improvement Phase 9 User Training Phas10 Documentation and Maintenance Phase 11 Adaptation 4. Di bawah ini adalah program-program yang merupakan “bahan baku” bagi paket terintegrasi: • Spreadsheet.12 Proses pembuatan Bias dilihat pada bagan di bawah ini Phase 1 Project Selection Phase 2 Software and Hardware Selection Build the database and its management Phase 3 Build the model base and its management Phase 4 Build the knowledge component Phase 6 Build the dialog subsystem Phase 5 Phase 7 Packaging Phase 8 Testing and Evaluation.13 DSS Generator DSS Generator mengkombinasikan kemampuan berbagai aplikasi umum dalam 1 program.4.ST .

14 Pemilihan DSS Generator dan tool software lainnya Berbagai pertanyaan yang harus dijawab oleh suatu organisasi yang akan menggunakan DSS Generator: (1) generator seperti apa yang akan digunakan. Page 41 Sistem Pendukung Keputusan – Gunandjar. (2) hardware seperti apakah yang dipakai untuk menjalankannya. (4) jaringan seperti apakah yang akan dipakai untuk menjalankannya. Microsoft Excel 4. Bahasa khusus yang lain (misal: untuk membangun simulasi). Bahasa pemodelan. software DSS lebih banyak ditemui pada jenis komputer mikro. (3) sistem operasi seperti apa yang akan digunakan. Manajemen projek. Kemudian dengan adanya program-program berbasis Windows. Contoh dari paket terintegrasi ini adalah: Lotus 1-2-3. Desk management. Tool pemrograman berorientasi objek.• • • • • • • Manajemen Data. Bahasa analisis data statistikal umum. Bahasa penghasil grafis. Kalender (manajemen waktu). Tool pembangun ES. Pemilihan Software. CASE tools. Jaringan. Tool software dasar yang patut dipertimbangkan adalah: • • • • • • • • • • Fasilitas database relasional dengan fasilitas pembuatan laporan yang baik dan fasilitas pemilihan data setiap saat. Pengolah kata. membuat DSS menjadi lebih disukai karena kemudahan penggunaannya. Dengan kemampuan PC yang luar biasa sekarang ini.ST . Bahasa pemrograman (generasi ketiga). Grafis bisnis. Komunikasi.

informasi DSS yang dibutuhkan dan outputnya Terdapat ratusan paket software di pasaran. Inc. dan manajerial harus Evaluasi komersial yang tersedia. 4. Tool-tool pengembangan meningkatkan produktivitas builder dan membantu mereka menghasilkan DSS yang sesuai dengan kebutuhan user pada biaya yang moderat. Pro. Paket software selalu berganti dengan cepat. 8. semuanya bersifat subjektif dan seringkali dangkal ulasannya.15 Merangkai semuanya dalam satu sistem.. yang lain memiliki konflik langsung dengan yang lain lagi. dan jurnal panduan user. Pemilihan keputusan melibatkan banyak kriteria yang diterapkan pada bermacam-macam paket yang dibandingkan. dan (2) penggunaan bagian-bagian pra-fabrikasi dalam proses manufaktur keseluruhan sistem. Sistem pengembangan DSS bisa dibayangkan seperti bengkel dengan berbagai tool dan komponen. lain. yang setara dengan sumber-sumber informasi lain. Hal mendasar pada pengembangan tool dan generator ini adalah konsep: (1) penggunaan tool otomatis skala tinggi di keseluruhan proses pengembangan.Pemilihan tool dan/atau generator adalah merupakan proses yang rumit dengan alasan: 1. misalnya oleh Data Decisions. fungsional. kemampuan yang dibutuhkan dari tool berubah dari satu aplikasi ke aplikasi Sistem Pendukung Keputusan – Gunandjar. end-user. 3. 6. Data dipertimbangkan masak. Suatu bahasa digunakan dalam membangun berbagai DSS. Harga seringkali berubah. 7. Semua masalah teknis. Beberapa orang terlibat dalam tim evaluasi. misalnya PC Week dan Infosystems. 2. 9. 4. dan Software Digest. Dari sini tidak diketahui secara lengkap. Page 42 Sistem ini melibatkan komponen-komponen utama Pada saat pemilihan. 5. Mereka hanyalah merupakan salah satu sumber informasi saja. Beberapa kriteria tak bisa diukur.masak.ST . seperti: • Penanganan permintaan/query (mendapatkan informasi dari database).

penginterpretasian. Sistem manajemen berbasis model intelijen yang dapat memilih model yang sesuai untuk memenuhi preferensi/acuan yang berbeda.ST Usage Record EMS User Interace element Control Mechanism Knowledge Base Page 43 . 3. Sistem manajemen berbasis model. Sistem manajemen knowledge. Kemampuan ini dicapai dengan menambahkan komponen ekstra: mekanisme intelijen yang bisa berevolusi sendiri. Menu dinamis yang menyediakan hirarki yang berbeda untuk memenuni kebutuhan user yang berbeda. dan lalu beradaptasi secara otomatis pada evolusi usernya. 2. Manajer kode sumber (menyimpan dan mengakses model built-in dan model yang dikembangkan user/user developed). (3)meningkatkan kontrol pada sumber-sumber informasi organisasi. dan (4) mewujudkan system sharing. dll. Struktur.• • • • • • • Fasilitas analisis dan desain sistem (pengeditan. Tujuan DSS yang dapat berevolusi sendiri adalah: (1) meningkatkan fleksibelitas DSS. Sistem manajemen dialog (antarmuka user).). Generator grafis.16 DSS yang dapat berevolusi sendiri DSS yang memberi perhatian pada bagaimana ia digunakan. Antarmuka user dinamis yang menyediakan representasi output yang berbeda untuk user yang berbeda pula. Diperlukan kemampuan: 1. 4. User User Interface Management Management Struktur dari DSS jenis ini dapat dilihat pada gambar di bawah ini: Data Model Sistem Pendukung Keputusan – Gunandjar. Generator laporan (memformat laporan output). Tujuannya adalah membangun DSS berperilaku khusus yang dapat beradaptasi terhadap evolusi kebutuhan user secara otomatis. (2)mengurangi dampak penggunaan sistem (lebih user-friendly).

17 Arah Pengembangan Riset DSS Terdapat berbagai variable dalam riset DS. Elemen antarmuka user yang diperlukan untuk membuat antarmuka yang sangat user-friendly. environment DSS 4.yaitu characteristics Sistem Pendukung Keputusan – Gunandjar. dan antarmuka user. 2. manajemen model.1. Catatan data yang telah digunakan (usage record) yang menyimpan data yang telah digunakan selama evolusi sistem dan juga cara memanajemennya (EMS=Evolution Management System). Ini adalah kontrol intelijen yang mengandung satu knowledge base. 3.ST Task User behavior Quality of decision made Page 44 . 4. Mekanisme kontrol pusat yang mengkoordinasi semua operasi DSS. Manajemen data. yang merupakan komponen dasar dari sembarang DSS.

Perkembangan terbaru pada teknologi komputer. Kontribusi serupa bisa dating dari psikologi kognitif. 2. 5. 6. dan tool manajemen data. sistem berbasis pengetahuan. arsitektur client/server. dan ilmu politik. mesin pembelajaran (machine learning). sumber model DSS.ST . Saat ini DSS tak kreatif. dapat digunakan untuk meningkatkan DSS. memainkan peran yang lebih besar dengan meningkatkan kualitas pemikiran dalam pengambilan keputusan. menjelaskan struktur masalah. Peningkatan DSS harus lebih memberi perhatian pada masalahPage 45 Sistem Pendukung Keputusan – Gunandjar. ekonomi informasi. GUI. DSS berpusat pada keputusan (decision-centered) tapi bukan pada decision-paced (langkah pengambilan keputusan). DSS di masa depan harus mendukung alasan-alasan pemilihan klas keputusan tertentu. memanajemen kerancuan dan kekompleksan. ES bisa memberikan kontribusi utama dalam hal ini. 4. 3. ilmu komputer. dan menyelesaikan klas baru keputusan dalam konteks pengambilan keputusan yang baru. telekomunikasi. Selanjutnya kombinasi DSS/ES dapat bertindak lebih proaktif. tapi di masa depan DSS harus menyediakan cara baru untuk mendefinisikan model. Manajemen sains. Tool yang lebih aktif dapat meningkatkan pemikiran yang lebih dalam mengenai situasi permasalahan. Sekarang ini DSS berlaku pasif menanggapi pertanyaan “what-if” yang diajukan.Di bawah ini adalah beberapa poin dari riset yang telah dilakukan: 1. teori perilaku.

9. Komputasi syaraf dapat ditambahkan berkenaan dengan masalah kerancuan. dan teknologi komputer yang berbeda lainnya (misal: komunikasi) akan menjadi wilayah riset utama. dan keefektifan. Ini akan membutuhkan variabel yang lebar jangkauannya. Integrasi DSS dengan ES. 7. 10. Riset DSS harus melebarkan perspektifnya. Masalahnya adalah bagaimana melakukannya. 14. Teori-teori harus dikembangkan pada topik-topik seperti pengukuran kualitas keputusan. Sekali lagi ES dapat memberikan kontribusi yang bernilai disini. Aplikasi DSS dapat ditingkatkan dengan melibatkan nilai. baik mengenai teorinya dan dalam pengembangan software. Teori-teori harus dikembangkan pada wilayah pengambilan keputusan organisasional dan pengambilan keputusan pada grup. dan estetik. atau paling tidak menghasilkan peneluran ide. 17. 11. Perspektif baru ini akan didukung oleh penambahan kemampuan kreatifitas dan inovasi. 15. CBIS lainnya. 8. karena hal tersebut berdampak pada efisiensi dan keefektifan organisasi secara keseluruhan. Teori DSS harus ditingkatkan. 16. pembelajaran. Komponen manusia dalam DSS harus dicermati untuk melihat dampak DSS pada saat pembelajaran.ST Page 46 . menghasilkan DSS yang proaktif dalam membuat perubahan lebih dari sekedar mengantisipasi perubahan. etik. berhubungan dengan keefektifan organisasi dan perencanaan strategis.masalah yang tak terstruktur. Konsep manajemen model harus dikembangkan. DSS di masa depan harus mampu untuk membuat berbagai aksi alternatif dari dirinya sendiri. Riset harus dilakukan pada interaksi diantara individu dan grup. Masalah sosial dan etik juga harus lebih diperhatikan. Eksplorasi diperlukan untuk menemukan arsitektur yang sesuai yang menjadikan pengambil keputusan dapat menggunakan ES untuk Sistem Pendukung Keputusan – Gunandjar. Antarmuka manusia-mesin dan dampaknya pada kreativitas dan pembelajaran harus menjadi perhatian utama dalam riset DSS. yang sulit untuk diukur atau bahkan ditentukan. 12. 13.

Dampak organisasional dari MSS bisa signifikan. Partisipan dalam proses konstruksi adalah: user. 18. analisis. riset. teknik AI. kecenderungan ke depan adalah menjadi DSS terdistribusi. 4. desain. 4. Kesimpulan • • • • • • DSS dikembangkan dengan proses pengembangan yang unik berdasarkan prototyping. 5. personal. group DSS akan lebih lazim di masa depan. Mulai dari penggunaan CASE tool sampai dengan pemrograman dengan DSS generator (engine). perantara. kemungkinan sebagai bagian dari pusat Sistem Pendukung Keputusan – Gunandjar. dan adaptasi. implementasi. 2. Terdapat berbagai strategi pengembangan.meningkatkan kemampuan pengambilan keputusannya. Riset lebih lanjut harus diarahkan pada wilayah ini. Untuk DSS di institusi yang mendukung pengambilan keputusan berurutan dan saling berhubungan. builder. Langkah utamanya adalah: perencanaan. tenaga pendukung. Semua kecenderungan di atas akan menuju pada satu titik pada pengembangan berkelanjutan pada kemampuan sistem yang lebih user-friendly. DSS generator (engine) adalah tool pengembangan terintegrasi yang digunakan dalam membangun kebanyakan DSS. konstruksi. Page 47 Untuk dukungan keputusan saling berhubungan yang terkonsentrasi.ST . dan pemegang tool. Pendekatan berulang (prototyping) paling umum digunakan dalam DSS. DSS groups akan berkurang peranannya seperti projek khusus bagian dari tim pendukung ditujukan untuk “tim komando” dan lebih banyak informasi. perawatan. Produk-produk DSS akan mulai menggabungkan tool dan teknikDSS berbasis PC akan terus tumbuh utamanya untuk dukungan berbagai dukungan end-user lainnya. 6. 3.18 DSS masa Depan 1.

Kebanyakan DSS dibangun dengan generator pengembangan DSS atau dengan tool-tool pengembangan 4GL tak terintegrasi. Software elektronik menggunakan asosiasi. termasuk perencanaan. Kecerdasan diperlukan secara khusus dalam manajemen masalah. Kecerdasan ditambahkan ke DSS dengan menempelkan knowledge base dalam software DSS. identifikasi pola. Keuntungan utama orang-orang yang membangun DSS-nya sendiri adalah: waktu penyelesaiannya singkat. Brainstorming (“pembadaian” pendapat) secara elektronik adalah salah satu cara mendukung peneluran ide.ST . Terdapat banyak sekali tool dan generator di pasaran. dan implementasinya lebih mudah. Banyak DSS dibangun dalam lingkungan Windows. • • DSS dapat dibangun oleh tim maupun individu. • • • • • • • • • • • • Pengembangan DSS berbasis user bisa juga berkualitas rendah. Pemilihan yang sesuai untuk membangun DSS tertentu haruslah didesain dengan cermat. Pembangunan DSS dengan tim mengikuti proses terstruktur.karena kebutuhan informasi tak dapat diketahui dengan tepat pada awal proses. familiar dengan kebutuhannya. Windows membuatnya mungkin untuk membangun DSS dengan cepat dan murah Suatu intelligent DSS harus bisa berperan aktif yang berhubungan dengan task/tugas penyelesaian masalah yang rancu dan kompleks. dan symbiotic adalah konfigurasi yang berbeda dari intelligent DSS. dan berbagai Page 48 Sistem Pendukung Keputusan – Gunandjar. DSS yang dapat berevolusi sendiri. • • Bagian utama dari komputasi end-user adalah pembangunan DSS untuk dukungan personal yang dilakukan oleh individu. pemilihan software yang sesuai (generator jika dibutuhkan). Kreativitas untuk peneluran ide (idea generation) adalah aktivitas penting dalam pengambilan keputusan. active. biaya rendah. dan hardware. karena itu kontrol yang cukup dapat memperbaiki situasi tersebut. Peneluran ide dapat ditingkatkan dengan software elektronik.

Decision Support and Expert Systems: Management Support Systems. Efraim. lingkungan.teknik yang sudah dikenal lainnya untuk mendukung peneluran ide. Sistem Pendukung Keputusan. Jakarta. C. Inc. 1995. 1998. • • Variabel utama riset independen DSS adalah perilaku user. PT Elex Media Komputindo. Suryadi. D.ST Page 49 . Remaja Rosdakarya. Bandung. K. Sistem Pendukung Keputusan – Gunandjar. Komputerisasi Pengambilan Keputusan. task. PT. 2001.Ali Ramdhani. dan kemampuan DSS.Umar. dan M. Variabel utama riset independen DSS adalah kualitas keputusan yang dibuat Daftar Pustaka • • • Turban. United States of America. Daihani. Prentice-Hall. Fourth Edition..

Sign up to vote on this title
UsefulNot useful